结题报告 - 图文

重庆大学大学生科研训练计划

项目结题报告书

项目名称： 光伏电源输出功率的概率模型研究 学 院： 电气工程学院 项目负责人： 杨星宇 联系电话： 15923083659 项目组成员： 邹达 曾执丰 指导教师： 赵霞

2014 年 10 月

教务处 制

填表说明

一、报告书填写内容必须与事实相符，表述准确。

二、报告书中“项目结题报告”文字不少于2000字；报告内容必须包括以下基本内容： 1、项目组成员分工、参与完成情况 2、项目成果简介

3、项目立项与研究的目的、意义 4、项目研究的主要内容

5、项目研究过程与方法（包含研究方法、研究过程、资料与数据来源等方面的简介） 6、项目创新点（或特色） 7、项目研究存在的问题、建议 8、项目研究工作的自我评价分析与结论 三、 打印格式：

1、纸张为A4大小，双面打印； 2、文中小标题为小四、宋体、加黑； 3、栏内正文为五号、宋体。

重庆大学大学生科研训练计划

作品原创性声明

本人郑重声明：所呈交的项目报告以及所完成的作品实物等相关成果，是本人和队友独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果，不侵犯任何第三方的知识产权或其他权利。本声明的法律结果由项目组承担。

项目组成员签名：

日期： 年 月 日

项目指导教师审核签名：

日期： 年 月 日

一、项目组成员及分工（完成情况按优秀、良好、中、合格、不合格五级记分考核） 姓名 学号 主要负责内容 数据的收集、光伏电源模型的建立、概率潮流计算的结果的分析、论文的撰写 数据的处理、光伏电源模型的建立、潮流计算程序的编写、论文的修改 文献的查阅、期刊的联系以及论文的排版 完成情况 杨星宇 20104209 优秀 邹达 20114351 优秀 曾执丰 20114351 优秀 二、项目成果简介（300--500字。） 1.基于参数和非参数理论的光伏电源输出功率概率建模对比分析 为了准确模拟光伏电源输出功率，采用参数模型与非参数模型进行建模。分别基于Beta分布、Normal分布、Weibull分布、非参数核密度估计建立光伏输出功率模型，并用Matlab软件对其进行编译，得出各参数模型与非参数模型的概率密度曲线，进行对比。针对甘肃敦煌中广核光伏电站实测数据，再根据K-S检验、卡方检验对各概率密度曲线进行检验，得出非参数核密度估计概率密度曲线拟合度最高并通过检验，即相比较于参数理论，非参数模型的拟合度更高，更适合对光伏电源输出功率的随机性建模。 2.考虑光伏电站昼夜功率输出差异的Monte Carlo概率潮流分析 为了准确分析考虑光伏电源夜间无功情况的潮流计算，基于Monte Carlo潮流计算对光伏电源输出功率的潮流计算建模。首先采用舍选抽样法对非参数核密度估计概率密度曲线进行抽样，然后采用Monte Carlo潮流计算法以IEEE-14网络进行建模，成功得出光伏电源输出功率的潮流计算模型，并分析出夜间忽略无功与考虑无功的差异，得出了较合理的结论。 3.完成《基于Monte Carlo模拟的光伏电源夜间无功输出的概率潮流计算》论文并投稿至期刊《智能电网》。 4.正在撰写论文《甘肃某光伏电站输出功率的随机特性分析》；

三、项目立项与研究的目的、意义 随着全球能源危机及环境问题的日益凸显，可再生能源得到世界各国的重视。其中，光伏以[1]其绿色环保无污染等特点近年来得到了持续快速发展。但不容忽视的是，光伏属于典型的间歇式能源，其输出功率具有较强的随机波动性，因此，光伏的大规模接入将给电力系统安全稳定经济运行带来极大的挑战。 正是因为光伏发电系统的这种不稳定性，使其相对于大电网是一种不可控源，会对大电网造成冲击。所以我们需要对光伏发电的概率进行研究，来尽可能减少随机性对电力系统的影响，这样才能更好制定电力系统的发电计划。目前对于太阳能的随机性的研究并不多，而这也正是光伏发电大规模应用的难点之一。 现在对于光伏发电随机性的难题，大多的科学家是研究一段时间光伏系统的最大功率点，通过找寻它的规律来减小随机性的影响，在这项研究里有CVT法以及爬坡法等提高监控精度的方法，但是找寻最大功率点规律会有自身的不稳定性和精确度不高等缺点。除了研究最大功率点外，从影响光伏电源的外部因素进行的研究的一般思路是，先假设太阳辐射度或晴朗系数等服从某种参数分布，再用历史数据对分布的参数进行估计，然后根据光伏电源出力与辐照度或晴朗系数的关系得到光伏电源的概率模型。 采用非参数核密度估计的建模方法，首先，这是通过研究获取的样本数据来得出数据分布特征的方法，比较通过研究光伏出力的主要因素这种间接预测的方法，减少了随机因素的影响，有更高的可靠性；其次，非参数核密度估计不仅比传统的参数估计更实用，而且在非参数估计中具有更高的准确度；最后，在实际应用方面，这样一种无需任何先验知识的建模方法，在负荷建模[9]和风速建模中均成功应用。 [2]为定量分析光伏接入对系统的影响，概率潮流作为一种重要的电力系统不确定性分析工具得到了广泛的应用。文献[3]基于Monte Carlo模拟提出了含光伏配电网的概率潮流计算方法，用于评估不同光伏渗透率下的电压和线路负载水平，以确定最大光伏接入容量。文献[4]利用基于Monte Carlo模拟的概率潮流计算方法，分析光伏接入对线损的影响，并有结论：光伏接入可降低线损，且分布越均匀、输出功率越稳定，降损效益越好。文献[5-6]提出了考虑光伏等分布式电源(DG, distributed generator)运行状态和出力不确定性的概率潮流计算方法。 然而，上述文献在概率潮流分析中均未考虑光伏电站夜间无功功率输出，针对该问题，本文基于Monte Carlo模拟技术提出了一种计及光伏电站昼夜功率输出差异的概率潮流计算方法。首先，根据光伏电站昼夜有功/无功功率的输出特征，建立其潮流计算模型；接着，利用非参数核密度估计理论建立光伏白天有功输出的概率模型，并采用正态分布模拟负荷的随机波动；然后，基于Monte Carlo模拟技术建立考虑光伏电站昼夜功率输出差异的概率潮流分析方法；最后，用甘肃敦煌某光伏电站的实测数据以及IEEE14节点标准测试系统进行仿真分析，验证了本文方法的有效性、正确性，并分析了光伏夜间无功输出对概率潮流结果的影响。 四、项目研究的主要内容 1.光伏电源输出功率的随机特性分析 (1)通过参数理论进行光伏电源输出功率概率建模 (2)通过非参数核密度估计理论对光伏电源输出功率概率建模 (3)采用K-S检验与卡方检验对参数与非参数模型检验 2.基于舍选法对光伏电源输出功率概率模型抽取预测点 3考虑光伏电站昼夜功率输出差异的Monte Carlo概率潮流分析 (1)在Matlab环境下建立光伏电站输出功率概率潮流计算模型 (2)算例分析 (3)得出结论

五、项目研究过程与方法（包含研究方法、研究过程、资料与数据来源等）5.1光伏电源输出功率概率建模 5.1.1参数建模 首先假设光伏电源的输出功率符合某种参数分布，再根据实测数据对于分布的参数进行估计，建立光伏电站的概率模型。本文分别选取正态分布，Weibull分布和Beta分布建立概率模型。 正态分布概率密度函数为： 式中，?为均值，?为标准差； Weibull分布概率密度函数为: 220.5exp(?(x??)/2?)/(2?)/?,???x??? (1) (2) ?bb?1bbaxexp(?(x/a));x?0 式中，a(?0)为形状参数；b(?0)为尺度参数； Beta分布概率密度函数为： ??1??1?(???)(x)(1?x)/?(?)/?(?);0?x?1(3) 式中，?,?(?0)为形状参数； 建模过程中，为满足Beta分布概率密度函数中0?x?1的取值条件，首先对数据进行标幺化处理，之后运用Matlab分别建立符合三种参数分布的光伏电源输出功率的参数概率模型。 根据各参数分布理论编译程序，带入实测光伏电源数据，得出各输出功率概率密度曲线。 5.1.2非参数核密度估计建模 文献[2]提出这是一种基于样本数据的概率估计模型，在获取光伏电源输出功率概率密度曲线时能完全避免主观经验的影响，它不需要样本数据分布的先验知识和任何概率分布形式的假设，只是假设样本数据的概率密度函数存在却连续可微，十分适合分析这类任意结构的样本空间。 给出核估计的求取方法，假设光伏电源输出功率p的n个样本，输出功率的概率密度函数为f(p),则f(p)的核估计为: 核函数通常选取以0为中心的对称单峰概率密度函数，本次研究的模型建立选用下式所示的高斯核函数： p?pi1nf(p)?K()?nhi?1h ?(4) K(u)? 通过运用Matlab，针对统一的数据，进行同一带宽、不同核函数及同一核函数、不同带宽的非参数核密度绘图拟合对比。观察图像，发现相较于核函数，带宽的选取对于非参数核密度估计 的拟合结果影响更大。带宽选取过大会掩盖拟合对象的结构特性，产生较大的拟合偏差。带宽选取过小则会过拟合，出现概率密度曲线极度不平滑、波动过大的现象，因此核密度估计的中心内容集中在寻找最优带宽h上。 关于带宽的选择，一种方法为使用文献[1]中的方法来计算最优带宽，而实现对多峰概率密度曲线的精确估计，即 1e2??u22(5)(6) 另一种方法为文献[2]中提及的经过优化后的带宽求解方法。假设K1(?)和K2(?)是两个不同的核函数，由下式： ?1/5 h?0.9min(样本标准差，样本四分位距/1.34)np?pi1nf(p)?K()?nhi?1h ?(7) 可得f(p)的两个核估计f1(p)和f2(p)，由文献[2]可知，最优带宽的选取可以转化为求解下式所示的优化问题： ??minEISE(h)??[f1(p)?f2(p)]2dp??(8) 式中：EISE表示两个核估计函数的积分均方误差。在上述优化模型中增加拟合优度?2检验

及K?S检验的约束条件。当选用正态分布N(0,1)和N(0,4)作为核函数时，最优带宽的模型变为： ???(pi?pj)2?1??(pi?pj)2???(pi?pj)2??2?1?exp?exp?exp??????????22224h416h10h10i?1j?1???????????????? 2??h??c2s.t.?(9) ?Dh?Dc 222式中：?h，Dh分别为核密度估计模型的?及K?S检验统计量；?c，Dc分别为?2及K?S检验统计量的临界值。采用内点法，在Matlab中编程求解最优带宽h。 1min2nh?nn通过对非参数核密度估计带入不同最优带宽编译相关程序，得出结果进行对比，其对比图如下： 2.5光伏电源输出功率频率2 1.59681.510.50 1.4001 1.03270.838880.691350.902520.943010.67399 1.76740.1533100.20.40.60.8光伏电源输出功率标幺值图1 不同带宽下输出功率概率密度曲线拟合情况 1 虚线为采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线，实线为采用文献[2]提出的最优带宽的非参数核密度估计概率密度曲线，虚线为采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线、点线为采用系统自带传统最优带宽的非参数核密度估计概率密度曲线。对比可观察发现，采用文献[1]提出的最优带宽的非参数核密度估计概率密度曲线比采用系统自带传统最优带宽的拟合效果更好，而采用文献[2]提出的最优带宽得到的概率密度曲线拟合程度最高； 5.1.3参数模型与非参数模型对比 在Matlab环境下编译程序，作出各参数模型与非参数模型的概率密度曲线进行对比，其对比图如下：

2光伏电源输出功率频率1.5 1.7674 1.5968 1.4001 1.03270.902520.9430110.838880.691350.673990.50.15331000.20.40.60.8光伏电源输出功率标幺值图2 不同建模方法输出功率概率密度曲线拟合情况 1 实线为非参数核密度估计概率密度曲线、虚线为Normal分布概率密度曲线、点线为Weibull分布概率密度曲线、点横线为Beta分布概率密度曲线。 通过观察结果图，难以比较Normal分布、Weibull分布、Beta分布概率密度曲线的拟合程度高低，但是可以直观的发现，非参数核密度估计概率密度曲线的拟合程度是最高的，故可在K-S检验与卡方检验之前先预估非参数核密度估计概率密度曲线为最优，再进行K-S检验和卡方检验，时可对比验证。 另外将函数的程序进行打包，方便得到函数图形，并且对各函数程序进行了备注，便于快速了解各程序用途。 5.1.4光伏电源输出功率概率模型的检验 拟合优度检验的目的是用实测数据来检验上文所得光伏电源输出功率的3种参数模型和采用了2种带宽的非参数核密度估计模型，在这5种情况中比对出哪一种模型更加能够反映光伏电源的随机性。在本次研究中，采用了K-S检验与卡方检验对各模型的概率密度函数进行拟合优度检验。 通过学习《概率论与数理统计》 ，掌握K-S检验与卡方检验的使用方法，同时学习Matlab中的K-S检验和卡方检验程序，并编译相关程序对各种概率密度曲线进行检验，在K-S检验中将理论分布下的累计频数分布与观察到的累计频数分布相比较，找出它们之间最大差异点。在卡方检验中将数据带入带入系统自带和自编的卡方检验程序中得出结果进行对比，观察假设是否成立。 由上述检验方法对所有建立的5种模型进行检验，结果如下表所示： 模型 符合正态分布的参数模型 未通过 未通过 符合Weibull分布的参数模型 未通过 未通过 符合Beta分布的参数模型 未通过 未通过 非参数核密度模型使用经验带宽 未通过 未通过 非参数核密度模型使用最优带宽 通过 通过 卡方检验 K-S检验 由检验结果可知，针对中广核敦煌光伏电站的实测数据，仅有基于非参数核密度估计理论，并使用最优带宽建立的光伏电源输出功率模型通过了检验，具有较好的拟合度，则在后续的潮流计算中，采用使用最优带宽和高斯核的非参数核密度概率估计函数对光伏输出功率进行预测，并进行潮流计算； 5.2基于舍选法对光伏电源输出功率概率模型抽样 在本次建模中，采用的是舍选抽样法。与指导老师交流，了解学习舍选抽样法的使用方法，编译相关程序。舍选抽样法的基本思想是：按照给定的pdfp(x)的，对易生成的随机数列。本次

舍选抽样法的检验标准是选取非参数核密度概率估计最大值以下的点，若该点满足在非参数核密度概率估计图形以内，则选取该点为有效点，反之则放弃，直到选够所需个数的点。舍选抽样法具体流程图如下所示： 由模型选随机选点未通过带入检验标准通过带入潮流计算图3 舍选法抽样图示 5.3 考虑光伏电站昼夜功率输出差异的Monte Carlo概率潮流分析 5.3.1基于蒙特卡罗模拟的概率潮流计算 电力系统概率潮流计算可以反映出电力系统中各种因素随机变化对系统运行的影响。它计及电力系统网络拓扑机构、元件的参数、节点负荷值等变量变化的不确定情况，同时也可以考虑光伏电源输出功率的随机性对潮流的影响，从而获得节点电压和支路潮流的概率密度函数。为电力系统的运行分析提供更有参考价值的信息。 自电力系统概率潮流计算被提出后，经过众多学者研究，蒙特卡洛模拟可以精确的获得节点电压和支路潮流的概率描述。基于蒙特卡洛模拟的潮流计算法又称为随机抽样法，是一种以统计理论和概率为基础的一种计算方法。其主要思想是利用计算机上的随机数来表示系统元件的概率参数，同时在计算机上模拟系统的实际运行情况，进行观察，给出所求解的近似值即用估计值的标准差来表示 。 通过在网上查阅资料、与老师交流和自己摸索学习Matlab的函数包Matpower的使用，掌握基础的loadcase，runpf等函数的用法，以此建立光伏电站的潮流计算模型,进行概率潮流计算。 5.3.2算例分析 数据的收集和处理 本次研究选取中广核敦煌光伏电厂2012半年下半年的实测数据。该光伏电厂装机容量10MW，并已于2010年投产并网。实测数据峰值功率6.34MW，有功输出功率达到了兆瓦级。对原始数据进行整理，将原始数据中的无效数值和负值去除，由于Beta分布只能应用于0到1范围内的数据，故将光伏电站输出有功功率标幺化。 测试网络 本文选用标准IEEE14节点标准测试系统进行概率潮流分析，该系统共有负荷259+j73.5MVA,14个节点，20条线路，其中，在节点14处接入10MW的光伏电站。IEEE14节点测试系统的拓扑图如下：

G23GG154G87G612111091314 图4 IEEE14节点测试系统拓扑图 假设各节点负荷均服从正态分布，原系统负荷值为正态分布的均值，标准差为均值的5%。另外，基于非参数核密度估计理论建立光伏电站有功输出的概率模型。 仿真方案 为说明光伏昼夜功率输出的差异以及光伏夜间无功输出对概率潮流分析的影响，基于本文所提方法，针对以下五种方案进行概率潮流分析： 方案1：在白天时段，考虑光伏电站有功输出以及各节点负荷的随机波动； 方案2：在夜间时段，考虑各节点负荷的随机波动，并忽略光伏电站的无功功率输出； 方案3：在夜间时段，考虑各节点负荷的随机波动，并计及光伏电站的无功功率输出； 方案4：综合方案1和2进行全天的概率潮流分析； 方案5：综合方案1和3进行全天的概率潮流分析。 概率潮流计算的收敛判定 0.010.0080.0060.0040.0020 0方案1方案2方案3 200040006000800010000 图5 三种方案下的系统线损方差系数曲线

13.513.413.313.213.11312.912.8 02000400060008000方案1方案2方案3 0.70.60.50.40.30.20.1方案一方案二方案三 100000 0200040006000800010000 a）线损均值 b) 线损标准差 图6 三种方案下的系统线损均值及线损标准差 基于本文方法，针对IEEE14节点系统进行迭代次数为10000次的概率潮流分析。三种方案下，线损方差系数随迭代次数的变化情况如图5，线损均值/标准差随迭代次数的变化曲线如图6(a)和(b)。可见，随着迭代次数的增加，线损的方差系数逐渐缩小趋近于零，同时，线损的均值和标准差则趋近于一个固定的数值。因此，可以认为迭代10000次得到的概率潮流计算结果是正确的。 不同方案下电压概率分布的对比分析 为分析光伏电站夜间的无功功率对电压的影响之后，基于本文方法，在五种方案下针对IEEE-14节点系统进行概率潮流分析，并绘制14节点电压幅值的概率密度曲线，如图7和图8所示。可见，方案2和3所得电压概率密度曲线较为接近，而与方案1有较大差别，说明光伏的有功输出对节点电压的概率分布存在较大影响。对比方案4和5，不难看出，两者所得电压概率分布形状类似，但有一定的区别，也即，光伏电站夜间的无功功率输出对节点电压的概率分布具有一定的影响，在概率潮流分析中需要准确计及光伏电站夜间的无功功率输出。 1000800方案4方案5 概率密度6004002000 1.0491.051.0511.052节点电压值/KV1.0531.054 方案1方案2方案3图7 前三种方案下的波动最大节点电压概率密度曲线 1500概率密度10005000 1.0491.051.0511.052节点电压值/KV1.0531.054 图8 方案四和方案五的波动最大节点电压概率密度曲线 在五种方案下，利用本文方法针对IEEE14节点系统进行概率潮流分析，并求取线路XX传输功率的概率密度曲线，如图7-8所示。不难看出，方案2和3下，线路传输功率的概率密度曲线均具有单峰结构，且两者较为接近，而与方案1所得结果相差较大，这说明，光伏的有功输出对线路传输功率的概率分布具有较大影响。对比方案4和5可以看出，两者所得概率密度曲线之间存在一定差异，也即，光伏电站夜间的无功功率输出将会影响线路传输功率的概率分布。

800方案1方案2方案3 600概率密度4002000 0.0640.0660.0680.07视在功率/MW0.0720.074 方案4方案5图9 前三种方案下波动最大线路视在功率概率密度曲线 500400概率密度3002001000 0.0640.0660.0680.07视在功率/MW0.0720.074 图10 方案四和方案五波动最大线路视在功率概率密度曲线

5.2.4研究结果 本次研究首先通过对比参数理论与非参数理论建立的光伏电源输出功率概率模型，并进行了K-S检验与卡方检验，选出拟合最优的非参数核密度估计概率模型。 另外，基于Monte Carlo模拟技术提出了一种计及光伏电站昼夜功率输出差异的概率潮流计算方法。首先，根据光伏电站昼夜有功/无功功率的输出特征，建立其潮流计算模型；接着，利用非参数核密度估计理论建立光伏白天有功输出的概率模型，并采用正态分布模拟负荷的随机波动；然后，基于Monte Carlo模拟技术建立考虑光伏电站昼夜功率输出差异的概率潮流分析方法；最后，用甘肃敦煌某光伏电站的实测数据以及IEEE14节点标准测试系统在多种方案下进行仿真分析。结果表明，本文方法正确、有效，另外，忽略光伏电站夜间的无功输出将无法准确估计节点电压/线路传输功率等潮流结果的概率分布信息，因此，需要在概率潮流分析中准确计及光伏电站昼夜功率输出差异。 9.参考文献 [1] Arthouros Zervos. Renewables 2013 global status report [EB/OL]. http://www.ren21.net/. [2] B. Borkowska. Probabilistic load flow [J]. IEEE Transactions on Power Apparatus and Systems, 1974, 93(03): 752-759. [3] S. Conti, S. Raiti. Probabilistic load flow using Monte Carlo techniques for distribution networks with photovoltaic generators [J]. Solar Energy, 2007, 81(12): 1473-1481. [4] A. G. Marinopoulos, M. C. Alexiadis, P. S. Dokopoulos. Energy losses in a distribution line with distributed generation based on stochastic power flow [J]. Electric Power Systems Research, 2011, 81(10): 1986-1994.

[5] W. El-Khattam, Y. G. Hegazy, M. Salama. Investigating distributed generation systems performance using Monte Carlo simulation [J]. IEEE Transactions on Power Systems, 2006, 21(02): 524-532. [6] V. H. M. Quezada, J. R. Abbad, T. G. S. Roman. Assessment of energy distribution losses for

increasing penetration of distributed generation [J]. IEEE Transactions on Power Systems, 2006, 21(02): 533-540. [7] 王强钢、周念成、颜伟、楼晓轩。电网电压不平衡下光伏发电系统的改进功率控制[J]。中国电机工程学报，2013.33：30-37. [8] 王成山、郑海峰、谢莹华、陈恺。计及分布式发电的配电系统随机潮流计算 [J]。电力系统自动化，2005.29（24）：39-44. [9] 颜伟、任洲洋、赵霞、余娟、李一铭、户秀琼。光伏电源输出功率的非参数核密度估计模型[J]。电力系统自动化，2013.37（10）：35-40. [10]Z. Qin, W. Li, X. Xiong. Estimating wind speed probability distribution using kernel density method 2139-2146.】 [11] 梁双, 胡学浩, 张东霞, 王皓怀, 张宏宇. 基于随机模型的光伏发电置信容量评估方法[J]. 电力系统自动化, 2012, 36(13): 32-37. [12] 赵渊、张夏菲、周家启。电网可靠性评估的非参数多变量核密度估计负荷模型研究[J]。中国电机工程学报，2009.29（31）：27-33. 六、项目创新点（或特色） 1.通过比较参数建模与非参数建模，并选择最优的非参数核函数估计概率密度模型，完成了光伏随机特性的模拟； 5.2.针对现有概率潮流计算中没有考虑夜间光伏电站无功输出的不足，提出一种考虑光伏电站昼夜功率输出差异的Monte Carlo概率潮流分析 七、项目研究存在的问题、建议 1.本项目是针对单个光伏电源进行建模进行的概率潮流分析，但是在预定目标中还有一项是针对相邻地区的多个光伏电源来建立输出功率的模型，故未考虑光伏电源实际的地域相关性，在后续的研究中可对该点进行深入地探讨,可使用Copula函数建模进一步讨论光伏电源之间的非线性相关性； 2.针对Monte Carlo潮流计算法速度较慢的缺陷，可以使用其他潮流计算代替，用半不变量的加法运算代替卷积运算，再利用Gram-Charlier级数近似求取潮流的概率密度函数和分布函数。 八、项目完成预期目标情况

1、预期完成目标： 1. 调研报告 2. 结题论文 3. 专利申请材料 2、结题时已完成目标： 1. 完成多种类型光伏电源输出功率概率模型的建立，并进行比对分析 2. 完成SRTP项目结题报告的撰写 3. 完成投稿论文《基于Monte Carlo模拟的光伏电源夜间无功输出的概率潮流计算》，并已投稿至《智能电网》期刊。 九、项目研究工作的自我评价分析与总结 这次SRTP项目中，所用到的较大部分知识和技术都是我们通过自学和与导师交流得到的，这让我们认识到了自学时积极主动的重要性，同时也掌握了各种收集资料，以及自主学习的方法。其中一大收获就是对Matlab的使用更加熟练，对一些复杂的函数工具能理解了各参数的具体含义并熟练使用，而也能编译各种功能的函数工具了。除此之外，学会了如何用客观的文字去描述现象成果，如何规范的撰写论文。 总的来说，这一次SRTP科研训练项目，给我们一次宝贵的机会在本科生阶段就全过程经历了整个科研项目。从一开始项目的申请，项目的实施，进度汇报到最后的结题工作，随着每一个部分的进行我们都从中获得了宝贵的经验，知道了一个科研项目到底是如何运作的。期间虽然也暴露出来各种各样的问题,但是每个问题都得到了解决，这个过程也让我们收获了信心。 最后，感谢学校为我们提供这次宝贵的科研训练的机会，也感谢指导老师对我们的悉心培养。这次经历不但培养了我们对科研的兴趣，也为我们日后的科研学习工作提供了宝贵的经验。

总体来看，三位项目组成员超额完成了项目的研究任务，不仅对光伏电源输出功率的随机特性以及电力系统概率分析方法有较为深入的认识和理解，而且取得了具有一定创新性的研究成果。在项目研究过程中，项目组成员针对参数和非参数建模方法以及概率潮流问题，广泛查阅资料，深入学习相关理论及编程方法，并充分利用已有的科研条件，主动解决研究过程中遇到的难题，表现出了较强的学习能力和一定的科研能力。综上，通过本次项目的训练，项目组同学的科研能力，编程水平以及报告撰写能力等都得到极大的锻炼和提升，达到了本科生科研训练项目的目的。 指导教师 评语 指导教师签名： 年 月 日 学院评审专家组意见 （含项目情 况及项目组 成员工作情况） 专家组签名： 年 月 日 学院 审核意见 分管副院长签名： 学院公章： 年 月 日

附表1：

“重庆大学大学生科研训练计划（SRTP）”经费使用情况表

项目名称 项目负责人 指导教师 名称 明细 差旅费 材料费 测试化验加工费 出版/文献/信息传播/知识产权事务费

光伏电源输出功率的概率模型研究 杨星宇 赵霞 学号 资助金额（元） 用途 总金额(元) 20104209 1500 是否报销 注：经费使用情况含计划使用经费。

附表2：

“重庆大学大学生科研训练计划”项目成果清单

项目名称 作者 论文 发明人或设计人 专利 名称 名称 刊物 类别 出版年份，卷号（期号） 专利号 其他形式成果（实 物装置、软件等） 注：1、 论文作者和专利发明人中请用下划线注明项目组成员（请注明已录用或

已发表）；

2、专利类别指发明、实用新型、外观设计（请注明已受理或已授权）； 3、其他形式成果需注明名称、主要功能。

本文来源：https://www.bwwdw.com/article/f60o.html